cpasso跨性状关联分析 — postgwas

跨表型关联分析可以通过寻找对多种性状有贡献的变异来提高统计能力。参考：Li X, Zhu X. Cross-Phenotype Association Analysis Using Summary Statistics from GWAS. Methods Mol Biol. 2017;1666:455-467. doi:10.1007/978-1-4939-7274-6_22

postgwas_cpasso(
  files_path = c(),
  sample_sizes = c(0, 0),
  traits = NULL,
  SHet_test = T,
  SHom_test = T,
  method = 1,
  mvrnorm_n = 1e+06,
  out_path = "./",
  out_prefix = "cpassoc"
)

参数

files_path

用于关联分析trait的文件路径，可以是两个或者多个文件。

sample_sizes

files_path对应的样本数量，确保与files_path一一对应。

traits

files_path对应的疾病或者性状特征，确保与files_path一一对应。

SHet_test

是否进行SHet检验，默认为T。

SHom_test

是否进行SHom检验，默认为T。

method

默认为方法1。 SNP过滤包括3种方式：

①确保file_path输入文件中的snp、effect_allele和other_allele方向一致，调整z分数；
②去掉z分数绝对值大于1.96的snp；
③除线粒体（MT）、性染色体和未定位的支架，因为连锁不平衡（LD）可能非常高；
④通过选取每100个SNP中的一个来减少连锁不平衡，通过降低SNPs的密度来实现。
- method =1，对应使用①②③过滤,参考代码：https://github.com/Ax3man/vdBijl_etal_2024_GuppyColorPatterns/blob/main/sequencing/gwas/combine_gwas.R。
- method =2，对应使用①②③④进行过滤，参考代码：https://github.com/galagoz/pleiotropyevo/blob/main/CPASSOC/CPASSOC.Rmd。

mvrnorm_n

默认为1e6，为多元正态分布随机样本的数量，在进行SHet检验时使用。该值越大，程序执行的时间越长。

out_path

结果输出路径。

out_prefix

结果输出的文件名前缀，默认为cpassoc。

值

返回cpasso跨性状关联分析结果

Examples

## 方法1：指定方法1进行cpassoc
postgwas_cpasso(
  files_path = c(
    "./data_prepare/IBD_ebi-a-GCST004131.txt",
    "./data_prepare/PBC_34033851-GCST90061440-EFO_1001486.h.txt"
  ),
  traits = c("IBD","PBC"),
  sample_sizes = c(59957,24510),
  method = 1,
  out_path = './result_cpassoc/',
  out_prefix = "cpassoc"
)


## 方法2：指定方法2进行cpassoc
postgwas_cpasso(
  files_path = c(
    "./data_prepare/IBD_ebi-a-GCST004131.txt",
    "./data_prepare/PBC_34033851-GCST90061440-EFO_1001486.h.txt"
  ),
  traits = c("IBD","PBC"),
  sample_sizes = c(59957,24510),
  method = 2,
  out_path = './result_cpassoc/',
  out_prefix = "cpassoc"
)